numpy np.newaxis 的實(shí)用分享
更新時(shí)間：2019年11月30日 11:56:08 作者：多一點(diǎn)
今天小編就為大家分享一篇numpy np.newaxis 的實(shí)用分享，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
如下所示：
>> type(np.newaxis) NoneType >> np.newaxis == None True
np.newaxis 在使用和功能上等價(jià)于 None，其實(shí)就是 None 的一個(gè)別名。
1. np.newaxis 的實(shí)用
>> x = np.arange(3)
>> x
array([0, 1, 2])
>> x.shape
(3,)
>> x[:, np.newaxis]
array([[0],
[1],
[2]])
>> x[:, None]
array([[0],
[1],
[2]])
>> x[:, np.newaxis].shape
(3, 1)
2. 索引多維數(shù)組的某一列時(shí)返回的是一個(gè)行向量
>>> X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) >>> X[:, 1] array([2, 6, 10]) % 這里是一個(gè)行 >>> X[:, 1].shape % X[:, 1] 的用法完全等同于一個(gè)行，而不是一個(gè)列， (3, )
如果我索引多維數(shù)組的某一列時(shí)，返回的仍然是列的結(jié)構(gòu)，一種正確的索引方式是：
>>>X[:, 1][:, np.newaxis] array([[2], [6], [10]])
如果想實(shí)現(xiàn)第二列和第四列的拼接（層疊）：
>>>X_sub = np.hstack([X[:, 1][:, np.newaxis], X[:, 3][:, np.newaxis]])
% hstack：horizontal stack，水平方向上的層疊
>>>X_sub
array([[2, 4]
[6, 8]
[10, 12]])
當(dāng)然更為簡(jiǎn)單的方式還是使用切片：
>> X[:, [1, 3]]
array([[ 2, 4],
[ 6, 8],
[10, 12]])
以上這篇numpy np.newaxis 的實(shí)用分享就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
PythonWeb項(xiàng)目Django部署在Ubuntu18.04騰訊云主機(jī)上
這篇文章主要介紹了PythonWeb項(xiàng)目Django部署在Ubuntu18.04騰訊云主機(jī)上的相關(guān)知識(shí)，本文通過(guò)代碼加文字說(shuō)明的形式給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-04-04
Python實(shí)現(xiàn)哲學(xué)家就餐問(wèn)題實(shí)例代碼
這篇文章主要給大家介紹了關(guān)于Python實(shí)現(xiàn)哲學(xué)家就餐問(wèn)題的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
pytorch中Tensor.to(device)和model.to(device)的區(qū)別及說(shuō)明
這篇文章主要介紹了pytorch中Tensor.to(device)和model.to(device)的區(qū)別及說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-07-07
這篇文章主要介紹了初識(shí)python的numpy模塊,Numpy基于更加現(xiàn)代化的編程語(yǔ)言--python，python憑借著開(kāi)源、免費(fèi)、靈活性、簡(jiǎn)單易學(xué)、工程特性好等特點(diǎn)風(fēng)靡技術(shù)圈，已經(jīng)成為機(jī)器學(xué)習(xí)、數(shù)據(jù)分析等領(lǐng)域的主流編程語(yǔ)言，需要的朋友可以參考下2022-05-05
這篇文章主要介紹了python requests完成接口文件上傳的案例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
L-M方法全稱(chēng)Levenberg-Marquardt方法，是一種非線(xiàn)性最小二乘優(yōu)化算法，這篇文章整理了該算法的Python和C++實(shí)現(xiàn)方法，需要的可以參考一下2023-06-06
這篇文章主要介紹了python 如何破解加密zip文件的密碼，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-04-04
python實(shí)現(xiàn)搜索本地文件信息寫(xiě)入文件的方法
這篇文章主要介紹了python實(shí)現(xiàn)搜索本地文件信息寫(xiě)入文件的方法,涉及Python針對(duì)文件的遍歷及屬性操作相關(guān)技巧,需要的朋友可以參考下2016-02-02
Python 正則表達(dá)式實(shí)現(xiàn)計(jì)算器功能
本篇文章主要介紹了Python 正則表達(dá)式實(shí)現(xiàn)計(jì)算器功能的示例。具有很好的參考價(jià)值。下面跟著小編一起來(lái)看下吧2017-04-04
這篇文章主要介紹了mac如何在matplotlib中顯示中文，本文分步驟給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03